前提：
資料樣本符合标準正态分布，正态分布的核心是中心極限定理即：如果一個事物受到多種因素的影響，不管每個因素本身是什麼分布，它們加總後，結果的平均值就是正态分布。如果要符合正态分布則這些因素必須彼此獨立，彼此不獨立的各項因素會互相加強影響，那麼就構不成正态分布。（還有對數正态分布是指各種因素對結果的影響不是相加，而是相乘）
經驗法則原理：
資料科學異常值檢測原理—經驗法則
标準正态分布下的曲線為鐘型曲線，期望值μ決定了其位置，其标準差σ決定了分布的幅度。當μ = 0,σ = 1時的正态分布是标準正态分布。是以對于一組資料，如果符合正态分布，則可以通過經驗法則來檢測異常值，同圖中可以發現，68.2%的測量值落在μ值處正負一個标準差σ的區間内，95.4%的測量值将落在μ值處正負兩個标準差σ的區間内，99.7%的值落在μ值處正負三個标準差σ的區間内。是以，對于一組符合正态分布的資料，如果某個值距離μ值超過三個标準差σ則可以判斷這個值屬于異常資料。
計算步驟：
μ值：μ是遵從正态分布的随機變量的均值，由于前提是各種因素對結果的影響為相加，是以μ值的計算可以為樣本資料的算術平均值。
标準差σ：所有資料減去其平均值的平方和，所得結果除以該組數之個數N（資料集為總體資料情況，一般用于大資料算法）或者個數N減1（資料集為樣本資料情況，認為資料集不是總體資料而是總體資料的一部分，一般用于統計學），再把所得值開根号，所得之數就是這組資料的标準差。
判斷邏輯：計算μ+3σ，μ-3σ，當單個資料大于μ+3σ或者小于μ-3σ時，認為此資料為異常值，因為按照經驗法則，此資料在資料集的99.7%範圍外。